Vyberte jazyk
  1. Domov
  2. Ďalšie nástroje
  3. OCR PDF

OCR PDF: rozpoznanie textu v skenoch

Premeňte naskenované PDF a fotografie dokumentov na PDF s vyhľadávaním a označiteľným textom alebo získajte text ako súbor TXT. 24 jazykov.

Načítava sa nástroj…
Ohodnoťte tento nástroj
Zatiaľ žiadne hodnotenia. Buďte prvý.

Ako na to

  1. Krok 1

    Pridajte skeny

    Presuňte na stránku naskenované PDF alebo obrázky (JPG, PNG, TIFF, BMP, GIF, WebP). Môžete pridať aj viac súborov.

  2. Krok 2

    Vyberte jazyky

    Vyberte všetky jazyky použité v dokumente, najviac štyri. Predvolene je zvolený jazyk tejto stránky a angličtina.

  3. Krok 3

    Vyberte výsledok

    Zvoľte PDF s vyhľadávaním alebo obyčajný text a tiež, či sa majú vyrovnať naklonené strany alebo odstrániť šum zo skenera.

  4. Krok 4

    Rozpoznajte a stiahnite

    Stlačte tlačidlo. Rozpoznávanie textu prebieha na našom serveri, potom si výsledok stiahnete.

Čo robí OCR

Naskenovaná strana je obrázok. Môžete si ju prečítať, ale počítač v nej vidí len bodky: nedá sa v nej vyhľadávať, skopírovať z nej vetu ani si ju nechať prečítať čítačkou obrazovky. OCR (optické rozpoznávanie znakov) nájde v obrázku písmená a premení ich na skutočný text.

Pri voľbe PDF s vyhľadávaním nástroj zachová obrázky strán presne také, aké sú, a pod ne pridá neviditeľnú textovú vrstvu. Dokument vyzerá rovnako, ale môžete v ňom hľadať cez Ctrl+F, označovať a kopírovať text a nájdete ho aj vyhľadávaním v počítači či dokumentovom systéme. Pri voľbe Obyčajný text (.txt) získate iba rozpoznaný text, ktorý môžete rovno vložiť do e-mailu alebo dokumentu.

Jazyky

Rozpoznávanie funguje oveľa lepšie, keď pozná jazyk. Vyberte všetky jazyky, ktoré sa v dokumente vyskytujú, najviac štyri. Čím menej jazykov, tým je rozpoznávanie rýchlejšie a presnejšie. K dispozícii sú tieto jazyky:

angličtina, španielčina, portugalčina, francúzština, nemčina, taliančina, holandčina, švédčina, dánčina, poľština, čeština, slovenčina, maďarčina, rumunčina, gréčtina, ruština, turečtina, indonézština, vietnamčina, thajčina, čínština (zjednodušená), čínština (tradičná), japončina a kórejčina.

Možnosti pre lepšie výsledky

  • Vyrovnať naklonené strany (predvolene zapnuté): strany naskenované pod miernym uhlom sa narovnajú. Zlepší to rozpoznávanie a dokument bude vyzerať upratanejšie.
  • Odstrániť šum zo skenera: pred rozpoznávaním vyčistí škvrny a nečistoty z nekvalitných skenov.
  • Strany, ktoré už majú text: Ponechať bez zmeny rozpozná iba strany bez textu, čo je správne pre väčšinu skenov. Zopakovať OCR nahradí starú alebo zlú textovú vrstvu. Rasterizovať a rozpoznať všetko premení každú stranu na obrázok a rozpozná ju znova; použite to, keď je existujúci text skomolený.

Ako dosiahnuť dobré OCR

Najdôležitejšia je kvalita skenu. Skenujte na 300 DPI; pre bežný text je minimum 200 DPI a drobné písmo vyžaduje viac. Pre text stačí čiernobiely režim alebo odtiene sivej. Fotografie z telefónu fungujú, ak je strana rovná, ostrá a rovnomerne osvetlená a odfotená priamo zhora. Tlačený text sa rozpoznáva veľmi spoľahlivo, rukopis zvyčajne nie. Tabuľky si zachovajú obsah, ale zložité rozloženia s mnohými stĺpcami môžu mať v textovom súbore iné poradie čítania.

Spracovanie na serveri, limity a súkromie

OCR vyžaduje veľa výpočtového výkonu, preto beží na našom vlastnom serveri s nástrojmi OCRmyPDF a Tesseract, dvoma známymi open-source nástrojmi. Súbory sa odosielajú šifrovaným spojením HTTPS, spracujú sa a hneď po spracovaní sa odstránia; výsledky sa vymažú do 15 minút. Dokument môže mať najviac 300 strán a 100 MB. Veľké skeny chvíľu trvajú; stránka zobrazuje priebeh a vaše miesto v poradí.

OCR využívajú aj ďalšie nástroje na tejto stránke: PDF na Word a PDF na Excel rozpoznávajú naskenované strany automaticky a DjVu na PDF dokáže vytvoriť výsledok s vyhľadávaním. Ak chcete po OCR zmenšiť veľké naskenované PDF, použite Komprimovať PDF.

Často kladené otázky

Ako urobím z naskenovaného PDF dokument s vyhľadávaním?

Pridajte naskenované PDF, vyberte jeho jazyk, nechajte zvolenú možnosť PDF s vyhľadávaním a spustite rozpoznávanie. Výsledok vyzerá rovnako, ale obsahuje označiteľný text, v ktorom sa dá vyhľadávať.

Zmení OCR vzhľad môjho dokumentu?

Nie. V PDF s vyhľadávaním zostanú obrázky strán nezmenené; text sa pridá ako neviditeľná vrstva. Naklonené strany môže mierne otočiť iba možnosť vyrovnania.

Prečíta OCR aj rukopis?

Zvyčajne nie. Rozpoznávanie je určené pre tlačený text. Úhľadné paličkové písmo môže čiastočne fungovať, ale nespoliehajte sa na to.

Ktoré jazyky sú podporované?

24 jazykov vrátane angličtiny, španielčiny, francúzštiny, nemčiny, ruštiny, čínštiny, japončiny, kórejčiny, thajčiny a vietnamčiny. V jednom dokumente môžete skombinovať až štyri.

Dá sa použiť OCR na fotografiu namiesto PDF?

Áno. Podporované sú obrázky JPG, PNG, TIFF, BMP, GIF a WebP a výsledkom je PDF s vyhľadávaním alebo textový súbor.

Ukladajú sa moje skeny?

Nie. Z nášho servera sa odstránia hneď po rozpoznaní a výsledok sa vymaže do 15 minút.

Ďalšie nástroje PDF